AIの文章から自分らしさが消える理由と直し方3手順
画像出典: 写真: Shixart1985（CC BY 2.0 / Wikimedia Commons）
AIに書かせた文章から「らしさ」が消えるのは、モデルが文脈に対して最も尤もらしい単語を選び続ける仕組み上、指示が曖昧なほど平均的で無難な表現に収束するためです。対策は、自分が書いた過去の文章をまとまった分量で渡し、その特徴をAI自身に分析させて文体ルールとして言語化させ、違和感が出るたびにルールを足していくことです。「もっとフランクに」ではなく「関西弁を2割増やして」のように定量・具体で指示するほど再現度が上がります。
AIの出力が没個性になるのは、あなたの指示が下手だからではなく、モデルの生成のしかたに理由があります。生成AIは、与えられた文脈に対してもっとも尤もらしい次の単語を統計的に予測して並べていく仕組みで文章を作ります。つまり「無難な真ん中」を選び続けるのが基本動作です。
正直なところ、この性質は消せません。消せないので、真ん中がどこかを、こちら側からずらしてやるのが現実的な打ち手になります。ずらすための材料が、あなた自身が過去に書いた文章です。
なぜAIの文章は「平均的な言い回し」に寄るのか？
まず前提を合わせます。LLM（大規模言語モデル）は、文章を意味のかたまりとして考えてから書き下ろしているわけではありません。直前までの文脈を見て「次に来る可能性がもっとも高い単語」を選ぶ、という処理を延々と繰り返しています。
この仕組みだと、指示が一般的であるほど出力も一般的になります。「ブログ記事を書いて」とだけ言われたAIにとって、もっとも確率の高い書き出しは、世の中のブログ記事に最も多く現れる書き出しです。あなたらしい言い回しは、統計的には「珍しい選択」なので後回しにされます。
硬さの一因として、モデル内部の「考える場所」が英語寄りである点が指摘されています。Anthropicの研究では、モデルが複数言語を横断する概念空間の中で処理を行っており、その空間が英語表現に偏っていることが確認されています。フランス語から中国語へ翻訳するような処理でも、内部的には英語が経由地点として働くことがあるとされます。
結果として、日本語で出力しても英語的な発想の癖が残り、翻訳調の硬さや没個性さとして表に出ます。ここも仕組み側の話なので、「自然な日本語で」と一言添えるだけでは動きません。具体的な材料が要ります。
「らしさ」はどうやってAIに再現されるのか？
ここが多くの人の期待とずれるところです。AIはあなたの人格を理解して真似しているのではなく、プロンプトに入っている情報を文脈として受け取り、その文脈のもとで確率の高い単語を選び直しているだけです。
だから、あなたの文章をサンプルとして与えると何が起きるか。「この書き手の次の一文」として尤もらしい候補の順位が入れ替わります。世間一般の平均ではなく、あなたのサンプルを含む文脈での平均に寄る、という言い方が実態に近いです。
これは Few-shot プロンプト（狙いに近いサンプル文をいくつか例として渡す手法）と呼ばれる技法として知られていて、出力のテイストを制御する効果があるとされています。プレスリリースや広告文、ブログ記事などで、イメージに近いサンプルを複数与えるほど定型的な出力になりにくいと紹介されています。
- 過去に自分が書いた文章（まとまった分量）
- 口癖・頻出語・文末の作り方などの特徴を言語化したもの
- 「これは嫌だ」と感じた出力に対して足した個別ルール
文体サンプルはどう渡せばいい？（3ステップ）
- サンプルを集める自分が書いた過去の文章を、単発ではなくまとまった分量で用意します。noteのような投稿プラットフォームなら、エクスポート機能でXMLファイルを取得し、それをChatGPTでMarkdown形式に変換する手法が紹介されています。YouTubeや音声配信をしているなら、文字起こしテキストも材料として使えます。
- 文体を言語化させる集めた文章を渡したうえで、「この文章の文体をプロの編集者視点で分析し、ルール化してほしい」という趣旨の分析プロンプトを投入します。口癖、頻出語、文末表現、段落構成といった特徴を、AI自身の言葉で書き出させるのが目的です。深く思考できるモード（ChatGPTのThinkingモードに相当するもの）を使うと精度が上がるとされています。
- 使いながらルールを足す出てきたルールをそのまま次回以降のプロンプトに含めて運用します。生成された文章を読んで違和感があれば、「見出しに絵文字は使わない」「句点の後は改行する」のような具体的なルールを都度追加・修正して育てていきます。
ステップ2で作ったものが、いわゆる文体プロフィールです。トーン・構成・口癖などをまとめてプロンプトに含めておくと、下書きの段階から自分らしさが宿った文章が出やすくなるという実践報告があります。
指示は「フランクに」ではなく数字で出す
曖昧な形容詞は、モデルにとって範囲が広すぎます。「フランク」に該当する表現は無数にあり、そのなかで選ばれるのは結局「フランクな文章として最も平均的なもの」です。真ん中がずれていません。
実践者から複数報告されているのは、「関西弁を2割増やして」のように定量・具体で指示するほうが狙った文体に近づくという知見です。程度と対象がはっきりしていれば、モデルが選び直す範囲も絞られます。
| 指示のしかた | 効きにくい例 | 効きやすい例 |
|---|---|---|
| 口調 | もっとフランクに | 関西弁を2割増やして |
| 体裁 | 読みやすくして | 句点の後は改行する |
| 装飾 | シンプルに | 見出しに絵文字は使わない |
右の列に共通しているのは、あとから機械的に検算できることです。守られたかどうかを自分で判定できるルールだけが、ルールとして機能します。
それでも手直しは残る — どこを見るか
ここは正直に書きます。文体プロフィールを整えても完全自動化は難しく、最終的な手直しは必要だとされています。ただ、作業時間そのものは大幅に削減できるという報告があり、ゼロから書く作業が「気になる箇所を直す作業」に変わるのが実際の効果です。
手直しの際に見る箇所は、だいたい決まっています。翻訳調の名詞構文は動詞で言い切る形に直す（「継続することが鍵です」→「続ければ成果が出ます」）。無生物主語は人や行為を主語にする（「調査結果は～を示しています」→「調査結果を見ると～」）。硬い漢語は和語へ置き換える（「モチベーション低下」→「やる気が下がる」）。
まず、自分の書いた文章のストックがほとんどない人には効きません。材料がないので、モデルがずらす先が作れないからです。この場合は先に何本か自力で書くところからになります。
もうひとつ、書くこと自体が目的の人にも向きません。文体の言語化とルールの追加運用にはそれなりの手間がかかるので、同じ形式の文章を継続的に量産する人ほど回収できますが、月に1本書くかどうかなら、素直に自分で書いたほうが早いです。
まとめ：真ん中をずらす作業だと捉える
AIから自分らしさが消えるのは故障ではなく、確率の高い言葉を選び続けるという設計そのものの結果です。だから対策も、モデルを説得することではなく、選ばれる確率の分布を自分の文章で書き換えることになります。
やることは、過去の文章を集める、特徴を言語化させる、違和感が出たらルールを足す、の3つだけです。今日できる最初の一歩は、自分が納得している過去記事を数本まとめて、AIに「この文章の文体をプロの編集者視点で分析してルール化して」と投げてみることです。出てきたルール一覧を読むだけでも、自分の癖がわかって面白いはずです。
よくある質問
AIに文体サンプルを渡すとき、どのくらいの分量が必要ですか？
単発の文章ではなく、まとまった分量の過去記事を渡すのが基本です。noteなどの投稿プラットフォームを使っている場合は、エクスポート機能でXMLファイルを取得し、ChatGPTでMarkdown形式に変換して渡す手法が紹介されています。YouTubeや音声配信の文字起こしテキストも文体の材料として活用できます。
なぜAIの日本語は翻訳調で硬くなりやすいのですか？
Anthropicの研究では、モデルが複数言語を横断する概念空間の中で処理を行っており、その空間が英語表現に偏っていることが確認されています。フランス語から中国語への翻訳のような処理でも、内部的に英語が経由地点として機能することがあるとされ、この英語的な発想の癖が日本語出力に翻訳調として残ることが、文章が硬く没個性に見える一因とされています。
「もっとフランクに」と指示しても文体が変わらないのはなぜですか？
曖昧な形容詞は指定範囲が広く、結局そのカテゴリの中で最も平均的な表現が選ばれるためです。実践者からは「関西弁を2割増やして」のように定量的・具体的な指示を出すほうが、狙った文体に近づけやすいと報告されています。程度と対象がはっきりしているほど、モデルが選ぶ候補の範囲が絞られます。
文体ルールを作れば、AIに任せきりにできますか？
完全自動化は難しく、最終的な手直しは必要だとされています。ただし作業時間は大幅に削減できるとされ、生成された文章を読んで違和感があれば「見出しに絵文字は使わない」「句点の後は改行する」のような具体的ルールを都度追加していくことで、手直しの量を減らしていく運用が現実的です。
※記事で使用した内容・数値は変更される場合があります。最新情報は公式サイトをご確認ください。